cpu和gpu哪个算力强,科学计算用cpu还是gpu

　　系列文章从零点一开始对机器学习的模糊概念进行分类。

　　从零点一开始在Win10 64位机器学习下安装Cuda Cudnn。

　　从零点一开始机器学习的GPU计算性能和CPU性能对比(GPU计算表)

　　TF1.0的机器学习版本HDF5从零点一转换为saved_model。

　　从零点一开始机器学习的HDF5模型发布到tensorflow/serving。

　　Python中的Tensorflow导入使用错误集合

　　在Win10 64位机器学习下安装Cuda Cudnn的文章中，我们已经简要说明了gpu在机器学习上优于cpu，但是差距到底有多大呢？刚开始的同学没有直观的认识(主要是我自己也没有直观的认识)。在这里记录一下吧。

　　让我们用同样简单的基于VGG16的图像分类代码进行比较。如有误导或理解不当，请指正。谢谢大家！虽然服务器有点旧，但还是能看出问题！

　　图片分为三类，每类约3800张，batch_size为25(最好是2的幂)。

　　服务器-服务器配置

　　选择epoch5-15查看计算时间。

　　为CPU 2服务器配置选择epoch5-15以检查计算时间。

　　GPU-服务器配置

　　为显卡规格选择epoch5-15以检查计算时间。

　　用gpu计算时，观察到cpu也有40%左右的占用率。不是说用gpu计算很容易吗？应该是cpu还做了一些TensorFlow的其他计算。

　　可以看到，一个6.1计算能力的1050卡，基本上是一个8核E5cpu的10倍性能。

　　-后记里还有个GT730卡，安装环境花了不少时间。运行后它居然告诉我计算能力只有3.5，cuda最低要求是3.7。新手同学可以检查一下显卡的计算能力，以免浪费时间长时间安装环境！Cuda计算能力3.5。最低要求的Cuda能力为3.7 .

　　GPU功率表https://developer.nvidia.com/cuda-gpus

　　在此插入图片描述。